本文详细介绍了在OpenCV 3.1中SIFT特征检测的参数设置与使用方法。通过对比多种特征提取函数，如梯度、Hessian及Harris角特征等，文章指出尺度归一化的高斯拉普拉斯函数能产生最稳定的图像特征。此外，文中还讨论了Lindeberg发现的高斯差分函数与尺度归一化的高斯拉普拉斯函数之间的相似性，并解释了为何Lowe选择使用更为高效的高斯差分算子。
http://blog.youkuaiyun.com/zddblog/article/details/7521424
2002年Mikolajczyk在详细的实验比较中发现尺度归一化的高斯拉普拉斯函数
的极大值和极小值同其它的特征提取函数，例如：梯度，Hessian或Harris角特征比较，能够产生最稳定的图像特征。而Lindeberg早在1994年就发现高斯差分函数（Difference of Gaussian ，简称DOG算子）与尺度归一化的高斯拉普拉斯函数非常近似,so ,Lowe使用更高效的高斯差分算子代替拉普拉斯算子进行极值检测
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
